Snoopy：一种用于大规模监视的有限查询模型网页指纹框架
密码学与安全
2022-05-31 v1
摘要
尽管使用了加密，互联网用户仍易受隐私攻击。网页指纹是一种分析加密流量的攻击，可识别用户在给定网站访问的网页。近期研究工作已成功展示针对个体用户的网页指纹攻击，但未能将其攻击扩展至大规模监视。执行大规模网页指纹的关键挑战源于（i）需考虑的用户行为与偏好的组合数量庞大；以及（ii）网站部署的防御机制（如 DDoS 防御）对网站查询次数施加的界限。这些约束排除了常规数据密集型基于 ML 技术的使用。本工作中，我们提出 Snoopy，一种首创的框架，可对访问某网站的大量用户执行网页指纹。Snoopy 满足大规模监视的泛化需求，同时遵守用于流量样本收集的网站访问次数界限（有限查询模型）。为此，Snoopy 使用一种特征（即加密资源大小的序列），该特征不受不同浏览上下文（OS、浏览器、缓存、cookie 设置）影响或受其可预测影响。Snoopy 使用静态分析技术来预测由浏览上下文多样性引起的头大小、MTU 与用户代理字符串等因素造成的变异。我们表明，Snoopy 在大多数网站、跨各种浏览上下文评估时达到约 90% 的准确率。在 Snoopy 单独表现不佳的情况下，Snoopy 与基于 ML 技术的简单集成在遵守有限查询模型的同时达到约 97% 的准确率。
引用
@article{arxiv.2205.15037,
title = {Snoopy: A Webpage Fingerprinting Framework with Finite Query Model for Mass-Surveillance},
author = {Gargi Mitra and Prasanna Karthik Vairam and Sandip Saha and Nitin Chandrachoodan and V. Kamakoti},
journal= {arXiv preprint arXiv:2205.15037},
year = {2022}
}
备注
The codes used for the analyses presented in the paper will be made available online only after the manuscript is accepted for publication at any conference/journal